(Originais Teachy 2023) - Questão Fácil de Programação em Python

Em um projeto de aprendizado de máquina utilizando a biblioteca Scikit-learn, um cientista de dados está trabalhando com um conjunto de dados que contém atributos categóricos e numéricos. Para que esses dados possam ser utilizados em um modelo de classificação supervisionada, é necessário realizar a codificação dos atributos categóricos, bem como a padronização ou normalização dos atributos numéricos, a fim de evitar viés no treinamento do classificador. Considerando as etapas de preparação de dados em um fluxo de aplicação de técnicas de machine learning com Scikit-learn, qual o procedimento adequado para codificação de atributos categóricos e para a padronização dos atributos numéricos no contexto deste projeto?

Na automação de tarefas, os programadores utilizam Python para criar scripts que executam operações repetitivas ou complexas sem intervenção manual. Um exemplo comum é a geração automatizada de relatórios ou o processamento de grandes conjuntos de dados. Considerando o seguinte trecho de código em Python que utiliza a biblioteca 'os' para listar todos os arquivos em um diretório:

Ao desenvolver uma aplicação cliente-servidor em Python, o aluno integra conhecimentos de programação com conceitos de redes, implementando a comunicação entre processos. Considerando um cenário onde um servidor Python é responsável por fornecer dados de temperatura e umidade, e um cliente deve solicitar esses dados periodicamente, o aluno deve compreender o papel de cada componente e a dinâmica de troca de informações para o correto funcionamento da aplicação. Qual tipo de comunicação deve ser estabelecida entre o cliente e o servidor para que o cliente receba atualizações em tempo real, sem a necessidade de uma nova solicitação a cada intervalo de tempo?

Considere um cenário em que um analista de dados está utilizando Python e a biblioteca Pandas para manipular um conjunto de dados tabulares. O analista precisa calcular a média de uma coluna 'salário' de um DataFrame para reportar insights sobre os pagamentos dos funcionários. Dada essa situação, qual método da biblioteca Pandas seria o mais adequado para realizar este cálculo?